STATISZTIKUS LESKÁLÁZÁS: NEMZETKÖZI KÖRKÉP, HAZAI EREDMÉNYEK Mika János OMSz, mika.j@met.hu GCM-mezők (interpoláció) (Fizikai leskálázás beágyazott modellekkel) Statisztikus leskálázás cirkulációs patternekkel Empirikus analógiák (egyszerű statisztikák) Hazai összesités Budapest, 2005. november 24.
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS 1. GCM-mezők (interpoláció) 2. Fizikai leskálázás beágyazott modellekkel 3. Statisztikus leskálázás cirkulációs patternekkel 4. Empirikus analógiák (egyszerű statisztikák):
Az általános cirkulációs modellek tartalmi bővülése
Problémák a regionalizálásban: I. Nem elegendő felbontás (leskálázás!) II. Szabad változékonyság (ensamble!)
Azért, van fejlődés! 10 AGCM (IPCC 1995) Ugyanez 2001-re: FELHŐZET
Ensamble különbségek a melegedésben (MRI-CGCM2: Japan Meteorological Agency, 2003)
Uncertainty in climate model predictions Jason Lowe, Jonathan Gregory, Jeff Ridley, Philippe Huybrechts, Robert Nicholls and Matthew Collins EXETER, Anglia, 2002. február 1-3 Predicted change in surface pressure over Europe from a subset of the model versions used to generate likelihood predictions. Results are for a doubling of atmospheric CO2 concentration MELYIK MEZŐBŐL KELL LESKÁLÁZNI? MINDEGYIKBŐL?!
50 N 45 N 50 N 45 N 17 GCM (IPCC, 2001) MAGICC/ SCENGEN version 4.1 Wigley et al., 2003 Sept. Máthé Cs., 2005 szakdolgozat (témavez. M.J.)
o C 15 10 5 0-5 -10 mm 5 4 3 2 1 0-1 -2 A jelenkori éves hőmérséklet alakulása a megfigyelések és a 17 modellszimuláció átlaga alapján. -138-138 Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-113 -87,5-47,5-22,5 modell adatok 17,5 42,5 földrajzi hosszúság 77,5 megfigyelt adatok 102,5 A jelenkori éves csapadékösszeg a megfigyelések és a 17 modellszimuláció átlaga alapján. Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-113 -87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 157,5 A GCM-ek minősége: jelen állapot MAGICC/ SCENGEN 4.1 alapján: modell adatok megfigyelt adatok
Téli átlaghőmérséklet változása 2025-re % 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 Évi átlaghőmérséklet változása 2025-re % 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 Nyári átlaghőmérséklet változása 2025-re % 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 A hőmérséklet változása 2025-re a 45-50 N szélességi övben MAGICC/ SCENGEN 4.1 alapján
% 8 7 6 5 4 3 2 1 0-1 Téli csapadékösszeg változása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 Éves csapadékösszeg változása 2025-re % 3 2 1 0-1 -2 Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-3 -138-113 -87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 3 2 1 0-1 -2-3 -4-5 -6-7 -8 Nyári csapadékösszeg változása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 A csapadék változása 2025-re a 45-50 N szélességi övben MAGICC/ SCENGEN 4.1 alapján
A hőmérséklet napi szórásának változása 2025-re a 45-50 N szélességi övben % 10 8 6 4 2 0-2 -4-6 -8-10 Hőmérséklet szórásának változása 2025-re, tél Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 12 10 8 6 4 2 0-2 -4 Hőmérséklet szórásának változása 2025-re, tavasz Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 10 8 6 4 2 0-2 -4-138 -113-87,5 Hőmérséklet szórásának változása 2025-re, nyár Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 12 10 8 6 4 2 0-2 -4 Hőmérséklet szórásának változása 2025-re, tavasz Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5
A napi csapadék szórásának változása 2025-re a 45-50 N szélességi övben % 16 14 12 10 8 6 4 2 0-2 -4 A napi csapadék téli szórásváltozása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 12 10 8 6 4 2 0-2 -4 A napi csapadék tavaszi szórásváltozása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 10 8 6 4-2 02-4 -6-8 -10 A napi csapadék nyári szórásváltozása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5 % 14 12 10 8 6 4 2 0-2 -4 A napi csapadék őszi szórásváltozása 2025-re Pa2 Am1 Am2 At1 At2 Eu1 Eu2 As1 As2 Pa1-138 -113-87,5-47,5-22,5 17,5 42,5 földrajzi hosszúság 77,5 102,5 157,5
Csapadék 0.4 IPCC 2001, Table 9.2 alapján OAGCM: számított változás pattern-korrelációi 0.2 0-0.2 0.2 0.4 0.6 0.8 Hőmérséklet
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS 1. GCM-mezők (interpoláció) 2. Fizikai leskálázás beágyazott modellekkel 3. Statisztikus leskálázás cirkulációs patternekkel 4. Empirikus analógiák (egyszerű statisztikák):
COP10, 13 December 2004 Introducing STARDEX: STAtistical and Regional dynamical Downscaling of EXtremes for European regions Clare Goodess* & the STARDEX team *Climatic Research Unit, UEA, Norwich, UK February 2002 to July 2005 http://www.cru.uea.ac.uk/projects/stardex
STARDEX Study Regions The FIC dataset Germany: 10 stations UK: 6 stations Alps: 10 stations Iberia: 16 stations Greece: 8 stations Italy: 7 stations Clare Goodess* & the STARDEX team
STARDEX downscaling methods Canonical correlation analysis Neural networks Two-stage analogue technique Conditional resampling Regression analysis Conditional weather generator Potential precipitation circulation index (cluster analysis) Critical circulation patterns (fuzzy rules) Local rescaling of GCM simulated precipitation Clare Goodess* & the STARDEX team
STARDEX Predictor selection methods Correlation Stepwise multiple regression PCA/CCA Compositing Neural networks Genetic algorithm Weather typing Trend analysis Clare Goodess* & the STARDEX team http://www.cru.uea.ac.uk/projects/stardex/
Examples of strong relationships between intense rainfall and circulation established by STARDEX: French Alpes Maritime Greenland Anticyclone Sole Cyclone 1971-1983 (left) & 1983-1995 (right) German Rhine (winter) Circulation pattern optimisation technique - CP02 Guy Plaut, CNRS-INLN András Bárdossy, USTUTT-IWS
STARDEX Winter EOFs of winter Z500 HadAM3P (left) and NCEP (right) ARPA-SMR
A major, systematic inter-comparison of SDS methods is underway in STARDEX: 20+ methods, 7 regions, 13 indices and 4 seasons Iberian Peninsula Spearman correlations for 6 SDS models and 4 seasons averaged across 7 extreme rainfall indices and 16 stations Neural network methods perform best in this example but skill always varies between season & index Malcolm Haylock, UEA
STARDEX Skill of the statistical downscaling model 1979-1993 expressed as correlation coefficient between the observed and estimated 692R90N (bold-5%significance) Zone 1_forecast 2_forecast 3_forecast 4_forecast 5_forecast Emilia Romagna region forecast 1_observed 0.21 2_observed 0.30 3_observed 0.37 4_observed 0.27 5_observed 0.26 Emilia Romagna region obs 0.25 Tomozeiu et al., ARPA-SMR
STARDEX The scenarios of extremes will incorporate three forms of uncertainty uncertainty related to downscaling methods uncertainty related to possible future emission paths uncertainty due to intra- and inter-model variability
CIRKULÁCIÓS LESKÁLÁZÁS (Egy-egy példa 6 Péczely típusra a 13-ból)
Cirkulációs típusok hatékonysága (DY) havi anomáliát komponensekre bontjuk: DY = C + P + M, C a típusok havi <q'i> gyakorisági anomáliái és a hozzájuk tartozó feltételes átlagok { AI} szorzatainak összege: <q'i>{ AI}; P a típusok szokásos {qi} gyakoriságai és az adott hónapban átlagolt <A'I> feltételes anomáliák szorzat-összege: {qi}<a'i>; M a típusok <q ' I> gyakorisági anomáliái és a típusokon belül átlagolt <A ' I> feltételes anomáliák szorzat-összege: <q ' I> <A ' I>.
Jan Mar May July Sep Nov Jan Mar May July Sep Nov Jan Mar May July Sep Nov 13 Péczely-féle szubjektív makroszinoptikus típus - Debrecen 1966-1995: Kis aránya a C tagnak, P fizikai tag dominál) * De: korreláció a C tag és a teljes anomália között! Csapadék: ++ P M C 150% Csapadék: -- 100% P M C 100% 50% 50% 0% -50% 0% Hőmérséklet ++ P M C Hőmérséklet -- P M C 100% 150% 100% 50% 50% 0% 0% -50% Mika J., Molnár J., Tar K., 2005 (Phys.&Chem. of the Earth, vol. 30, 135-141)
Debrecen 1966-1995: 1995: A tisztán cirkulációs anomália- komponens és a teljes anomália korrelációja az 1, 4,, 24 éves átlagokra: több gyenge (itt-ott negatív) korreláció, főleg a 12-24 éves átlagokra! 1,00 0,50 0,00-0,50-1,00 I MAXIMUM HÕMÉRSÉKLET III V VII IX XI 1 4 6 8 12 16 24 1,00 0,50 0,00-0,50-1,00 I MINIMUM HÕMÉRSÉKLET III V VII IX XI 1 4 6 8 12 16 24 1,00 0,50 0,00-0,50-1,00 I III NAPFÉNYTARTAM V VII IX XI 1 4 6 8 12 16 24 1,00 0,50 0,00-0,50-1,00 I III CSAPADÉK V VII IX XI 1 4 6 8 12 16 24 (PÉCZELY - TIPUSOK ALAPJÁN)
mm/nap A 2000-2003 időszak előző 10 évhez viszonyitott kéthavi csapadék-anomáliái és ezek makroszinoptikus közelitései 0.6 0.4 0.2 0-0.2-0.4-0.6-0.8 HB9 Péczely Bodolainé -1-1.2 Tény JF MA MJ JA SO ND Erre a 4 évre mindhárom rendszer gyengén közelít! Pálfy L. (2004), szakdolgozat (témavez. Mika J. - Bonta I. - Varga Gy.)
REGIONÁLIS SZCENÁRIÓ SZÁRMAZTATÁS 1. GCM-mezők (interpoláció) 2. Fizikai leskálázás beágyazott modellekkel 3. Statisztikus leskálázás cirkulációs patternekkel 4. Empirikus analógiák (egyszerű statisztika): Hasonlósági hipotézis Hasonlósági hipotézis: a klíma regionális együtt-változása függ a globális változás mértékétől, de nem függ azok okaitól
John F B Mitchell: Evaluation of climate models, attribution of climate change Aerosol forcing http://www.ipcc.ch/present/presentations.htm The response to different forcings may be surprisingly similar Aerosol response CO 2 response Reader and Boer, 1998
EXETER, 2005. február 1-3 Van hasonlóság, a kényszerek különböző volta ellenére
Különböző források eredményeinek összesítése területi átlagokra (IPCC 2001 10. fejezetből) Ruosteenoja,et al., Finnish Environment Institute, 2003 http://www.environment.fi/download.asp?contentid=25835&lan=en
Észak-Európa 2010-2039 2070-2099 Kapcsolat a helyi hőmérséklet és helyi csapadék változásai között Ruosteenoja,et al., Finnish Environment Institute, 2003
Dél-Európa 2010-2039 2070-2099 Kapcsolat a helyi hőmérséklet és helyi csapadék változásai között Ruosteenoja,et al., Finnish Environment Institute, 2003
Észak-Eu (K) Dél-Európa (K) IPCC (2001) 10. 0.22 ábra területi egységeiben: NYÁR - lineáris kapcsolat a globális melegedéssel korreláció: >0,9 (21 ill. 22 adat-pár) 5 4 3 2 1 É-Európa hőmérséklet-változásai a globális változás függvényében GCM PALEO H. PROXY INSTRUM 0-1 0 1 2 3 4 5-1 globális (K) Dél-Európa hőmérsékletváltozásai a globális változás függvényében 7 6 5 4 3 2 1 0 GCM PALEO H. PROXY INSTRUM -1-1 1 3 5 globális (K) Szász-Ferkő Cs., 2003 (szakdolgozat, témavez. Mika J.)
IPCC (2001) 10. 0.22 ábra területi egységeiben: NYÁR - gyenge kapcsolat a globális melegedéssel korreláció: > -0,14 ill. -0,46 (25-25 adat-pár) (3-féle forrás: GCM, paleo-analóg, műszeres stat.) 40 20 0-20 -40 Észak-Európa csapadékváltozása (%) a globális hőmérséklet fv-ében 0 2 4 6 10 0-10 -20-30 -40 Dél-Európa csapadékváltozása (%) a globális hőmérséklet fv-ében 0 2 4 6 Szász-Ferkő Cs., 2005 (mester-dolgozat, témavez. Mika J.)
A szeletelés módszere Y=Y 0 +( Y/ (Mika, 1988) <T>)<T>+ Y/ <T>) <T>+( Y/ Y/ T) T) T <T>=0.4 T c + 0.6 T o és T = T o - T c fontos: R (1881-1980) ~ 0! t-próba: 95 % (80 % - a regresszió előjelére) a szeletek több, mint felében..
Regressz. együttható Hőmérséklet K T / XX B K/K T Csapadék P / <T> K B mm/k T Nyári félév EG /6 T / <T> 1,5±0,5 (1,1 ±0,8) 1,5±0,5 (1,0 ±0,9) 1,6±0,4 (1,2 ±0,8) -85±48-114±40-79±29-84 ±34 (-36±30) - 46 ±34 Téli félév EG /6 T / ( T) 1,8±0,1 1,6±0,4 1,5±0,2 1,3±0,4 2,0±0,3 1,6±0,5 (28±29) (27±38) (31±28) 48±34 (-22±23) (-10±25) Napf. tart. K 19± 7 18 ± 8.. n/ <T> %/K T 23 ± 5 21 ± 8.. Aszály-gyak. g/ <T> hó/év + 1,6 1,6.. Mind: hőmérséklet
Az utóbbi három évtized: melegedő tendencia: új statisztikai elemzés (ha nincs 100 év a szeleteléshez) Instrumentális változók módszere (Első hazai alkalmazás: Mika J.-Bálint G., 2000)
Regresszió rövid sorokból Első éghajlati alkalmazás: Groisman, 1979 Z instrumentális változóra, ha 0 korreláció a független változó értékeivel, 0 korreláció a független változó hibáival 0 korreláció a független vált. maradékával; akkor: Y1 cov (Y,Z) cov (<T>,Z) Y(t)=Y o +Y 1 <T>(t) Period r(<t>,t) d<t>/dt (K/yr) 1974-98 0,825 0.026 0.004 76 állomásra 25 év Z:= t
ÉVI CSAPADÉK-ÖSSZEG 0,5 K FOKOS MELEGEDÉSRE (%)
JAN 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 FEB 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 MAR 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 APR 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 MAY 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 JUN 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 Duna felső vízgyűjtő területén SCHEME 21-27 % 15-21 % 9-15 % 3-9 % -3-3 % -9 - -3 % -15 - -9 % -21 - -15 % -27 - -21 % <-0,27 JUL 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 AUG 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 SEP 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 OCT 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 NOV 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45 DEC 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0 27,5 30,0 52,5 50 47,5 45
4-féle eljárás, 9 verzió Összegzés (2004. július): 2 GCM (SCENGEN 2.1, Bartholy-Pongrácz-Schlanger, 2003) 1 egyszerű kapcsolódó EWBM (Mika et al., 1998) 1 cirkulációs leskálázás (Bartholy et al., 1995) 5 empirikus analógia és egyszerű statisztikus eljárás (3 paleo-analóg, 1-1 szeletelés és instrumentális) (Mika 1988,, 2000) A következő lapokon a módszereket jelző számok a globális változás mértékére, a betűk az eljárás jellegére utalnak. Pl. 0.5 S = fél o C melegedéshez tartozó helyi változás a szeletelés módszere alapján, 1.5 G = másfél o C melegedéshez tartozó helyi változás a GCM-ek átlagában.
FELHŐZET, ÉVI ÁTLAG -50% -30% -10% 10% 30% 0,5 S 0,5 I 1,0 P 1,0 E 1,5 C 1,5 G 2,0 P 3,0 G 4,0 P K HŐMÉRSÉKLET, ÉVI ÁTLAG -1,0 1,0 3,0 5,0 7,0 9,0 0,5 S 0,5 I 1,0 P 1,0 E 1,5 C 1,5 G 2,0 P 3,0 G 4,0 P K K CSAPADÉK, ÉVI ÖSSZEG -300-200 -100 0 100 200 300 400 500 0,5 S 0,5 I 1,0 P 1,0 E 1,5 C 1,5 G 2,0 P 3,0 G 4,0 P K mm
Augusztusi becslések a Csatlói Holt-Tisza szintjére 50 futás, éghajlatváltozás + hidrológiai modell (Hunyadi A., 2004: szakdolgozat. Témavez.: Mika J., Pongrácz R., Zsuffa I.jr.) Vízállás (cmbf) 1990 2000 2010 2020 2030 2040 2050 2060 2070 2080 2090 2100 8650 8600 8550 8500 8450 8400 8350 8300 Évek 50 futtatás legalacsonyabb vízállásainak minimuma 50 futtatás legalacsonyabb vízállásainak maximuma Átlagok Az éghajlati átlagok változtak, a szórások nem: Mégis, az extrém következmény szórása láthatóan változott!!
Konklúzió: A GCM-ek rácsponti eredményei még erősen szórnak, de leskálázás nélkül is létező informatív közelítések. (A fizikai leskálázás hamarabb adhat jelentős javítást.) Addig: a cirkulációs leskálázás nívós produktumokat de kevés gyakorlati eredményt ígér (mert makro-skála!). Amíg direkt cáfolat nem történik (a kísérletekben használt globális forgatókönyvekre illetve a hasonlósági hipotézisre nézve), addig a tökéletlen GCM-outok és az empirikus analógok lehetnek hatásvizsgálatok alapjai. A hatásterületek nem-lineáris viselkedése miatt ezek akkor is hasznosak, ha kevéssé informatívak a változékonyság és a szélsőségek alakulásáról.
NEM TUDUNK MINDENT SZIMULÁLNI, DE PRÓBÁLJUK MEGHALADNI AZ EMPIRIÁT! Köszönöm a figyelmet!